C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:04) T5 l" L* D4 X d# h
拉下来？拉多少？
9 P1 v% j% f# q; D" S! b把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:33
A. J, e' \* D* G& rMaybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:54
/ X0 b( l! G U. I; N. zvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)$ N1 C" `1 p9 p9 X; x6 p& K
{
1 }; ?3 T, S# X7 M- }9 ? ^ comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20
; @5 ~0 l' o9 W2 n这个不是这么比的吧。。。
. R9 ?* Z; P O2 Z
8 l+ l( `0 m# G0 d您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:46# J9 _+ y1 G% i9 n/ Z& m
有道理。
3 \5 c# N* M. ^" M7 o9 S, P所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:20
5 P. ?! J9 U! N+ n/ w9 b这个不是这么比的吧。。。
/ a6 t: O4 V$ f& ~: d7 E* a. U, d' m; c3 n+ I( B1 b
您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:48
* o2 @) K9 e: Q现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:273 h7 \5 t5 o @- k6 z+ C* b7 k9 \0 I
你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:47
8 `4 |0 v; S, l8 h" \7 I% w5 J4 ^又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:475 g( `, q0 N# U
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:58
) D7 x1 v9 p4 X( D$ t3 D0 [+ A能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);
! r4 W5 k  ]! R+ v       std::vector < float > vec2(N);
2 A' c2 k$ b$ D) u) E4 M: u       float* b1 = new float[N];' I! x( D: H, r9 N/ l' S
      float* b2 = new float[N];6 z4 i) t* S9 Y/ A3 P% F5 u, I" c
% E2 l8 E* V$ t; L
      for (int j = 0; j < 6000; j++)5 w! b8 I% h: G2 y
      {% n7 N$ v6 \9 r1 R, G/ u9 b* f
            std::generate(vec1.begin(), vec1.end(), []() {
( y  E- F1 A$ ~) G                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;, Z' |# [! t3 ]: C" L7 y' t
                     });
' J* v' U6 E) l6 K5 a) E7 a$ v% T9 u; v% ~: o/ Q* Y) @* ?
            std::generate(vec2.begin(), vec2.end(), []() {
2 [& \0 p% b& b4 t/ A                      return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;, z* O; z8 N! j
                     });
7 N4 }& D# }+ o% T
) X, S) J7 F: a( Q6 p" U" i5 Y             for (size_t jj = 0; jj < vec1.size(); jj++)* l$ F3 E; }) {' n# T( }6 b2 N( b
            {2 }* J' I. h/ {5 Z" a. F# [. k
                     b1[jj] = vec1[jj];
! u8 \8 E) L% I. ~7 u; `             }
1 u+ q6 d1 q' c' ^/ A
* I% ~, j8 ~4 v& ?             for (size_t jj = 0; jj < vec2.size(); jj++)
9 q+ q7 \* c9 G2 ]& _' @             {
- R- H  ]4 u  U) i' s" f                      b2[jj] = vec2[jj];
0 s: S& I6 a) I/ F             }
+ H9 p1 O3 V% o! I4 N! h8 a7 G& L
            //Method - 1  N=100000 247s  - y; N1 P+ C* g. \3 D6 n8 P
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);( r% `/ ^5 g: `: j4 j% D) M
                              ! X- y# A& J+ }  t. o
            //Method - 2  N=100000  237s
$ p. y% H0 v: f, }6 C% [, n8 `             /*
& ~6 d9 ~. r: u0 B             for (int jj = 0; jj < N ; jj++)- |) s9 w$ H/ T+ |" k& R6 g! ~
            {% ~$ s, a  l; |% @
                     fresult += vec1[jj] * vec2[jj];
0 |6 ^/ a" n& k7 W2 [; T6 ]/ i             }* ~" X" R" s; m
            */
0 G# {% f& {  ~- Q* M3 D5 @
9 X  _7 J" m4 P. ~1 k             //Method - 3  N=100000 204s. ~9 |: T" a* S: q8 k
            /*
2 C8 G+ o% k& v8 ?/ j4 e             for (int jj = 0; jj < N; jj++)# k4 t9 G3 a7 _8 ~
            {; U& o- n3 T. H* o  ^
                     fresult += b1[jj] * b2[jj];- E3 K3 M9 ^% W6 [
            }
8 f  u! k4 [8 C" {& e0 I5 B, X             */  R, I1 \6 I3 l6 P4 c; X
% m2 ?' S4 V; J: ?! A4 c$ t, L
            //Method - 4 202s
( x2 h- w- M0 `  f/ I# i             /*
* i  Z$ C0 d- j+ P/ X, \             for (int jj = 0; jj < N; jj++)
3 e) f- `, O7 i7 ]             {
2 [, F! X1 T) Q                      3 g& ^# C: [( @) T  f/ V' r+ e/ w
            }
( C: B9 K/ b- z2 @7 o2 D             */* t3 r- D* M# m; b9 |
            //comment out all methods, N=100000  202s
3 [, }2 |3 f1 H0 h! l       }
% X, s- C, Z/ a  \, y' P% J- U" G4 ~" E& D( L
      delete []b1;3 t6 G" S" {. d8 G
      delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15" ~- Q% A0 a1 @9 E/ J' e! t2 R
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？1 V) `2 E8 r0 e1 D

4 X, u ]1 Y, J# v4 A4 X你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16, W% u7 R7 D; w9 s* `
内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL) z# T& G% z) u' d
$ m" \0 D2 i+ F8 |5 }, G: u
不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:54
' t& k& M. S6 R/ z' v8 w0 ?void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
% f# N, M R( c/ N{% u* C7 G, s i/ R. U0 @7 h: D* e
comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分